标签：多模态

MMMU 榜单上谁最会看图,Gemini/GPT/Qwen-VL 三强领跑。基于 LMArena/Artificial Analysis/SWE-bench/MMMU 等公开榜单,附实时榜单链接与按场景选型建议(榜单动...

什么是多模态(文本+图像+音频+视频)、为什么重要、AI 怎么'看懂'图片(视觉编码器+对齐到语言空间)、典型能力(图像理解、OCR、看图问答、文生图视频、语音交互...